Cuando la IA no basta
El desarrollo de la inteligencia artificial ha estado acompañado de una creciente fascinación por su potencial. Sin embargo, existen aplicaciones que, desde su concepción, están condenadas al fracaso: son los llamados proyectos non-starter. Son aquellos en los que se espera que la IA resuelva problemas que, por su propia naturaleza, exceden sus capacidades. Este fenómeno no es nuevo, pero se repite cada vez que se exageran las promesas de esta tecnología.
El espejismo de la creatividad artificial
Uno de los debates más persistentes en torno a la inteligencia artificial es si realmente puede ser creativa. Algunos expertos sostienen que no. A comienzos de los años 2000, el sitio oficial de Psicología de la Universidad Estatal de California en Northridge, csun.edu, definía la creatividad como “la capacidad de generar o reconocer ideas, alternativas o posibilidades que pueden ser útiles para resolver problemas”, y enfatizaba que esta exige ver el mundo desde una nueva perspectiva y generar ideas únicas.
Desde este enfoque, una IA que compone una pieza musical “al estilo de Beethoven tocada por los Beatles” estaría imitando patrones, no creando algo auténticamente nuevo. La entrada Computational creativity en Wikipedia, consultada en julio de 2025, recoge este argumento, señalando que “un ordenador no puede ser creativo, ya que todo lo que produce debe haber estado ya presente en los datos de entrada o en los algoritmos”.
No obstante, otros expertos consideran que la IA está alcanzando un grado de autonomía suficiente como para generar resultados inesperados y valiosos. La cuestión de fondo radica en cómo definimos creatividad: ¿como la invención absoluta o como la combinación novedosa de elementos conocidos? Algunos estudios sobre modelos generativos de DeepMind y sistemas como GPT-4o han avivado este debate.
¿Y la imaginación?
Un argumento similar se aplica a la imaginación. Para algunos investigadores, imaginar implica concebir realidades alternativas, jugar con lo que no existe y generar hipótesis sin restricciones. Esta capacidad, ligada a la inteligencia intrapersonal y emocional, sigue estando fuera del alcance de la mayoría de los modelos actuales.
Quienes son escépticos con respecto a la IA insisten en que su funcionamiento depende siempre de datos previos y que no puede salirse de los límites que le impone su programación. Para otros, en cambio, si un modelo es capaz de producir una imagen o historia que nadie había anticipado, se podría hablar de una forma incipiente de imaginación computacional. Casos como el del generador de imágenes DALL·E o las obras generadas por Magenta de Google muestran hasta dónde puede llegar esta capacidad.
Errores de enfoque y expectativas irreales
Más allá del debate conceptual, aplicar la IA fuera de su ámbito de eficacia sigue siendo un problema. Muchos resultados se basan en predicciones estadísticas válidas a nivel de grupos, pero no para individuos. Y si los datos contienen opiniones disfrazadas de hechos, la salida puede ser tan sesgada como el insumo. La discusión sobre estos sesgos ha sido ampliamente documentada por iniciativas como Algorithm Watch y por investigaciones académicas que alertan sobre los límites de las decisiones automatizadas.
Esta confusión ha desembocado en varios “inviernos de la IA”: periodos de desilusión y recortes de financiación tras expectativas excesivas. Ya hubo dos grandes inviernos (de 1974 a 1980 y de 1987 a 1993) y, aunque hoy vivimos un nuevo “verano de la IA”, muchos advierten sobre el riesgo de repetir errores pasados si no se ajustan las expectativas a la realidad.
Gadgets sin propósito
En ocasiones, se desarrollan soluciones que no resuelven problemas reales. Son gadgets llamativos, pero poco útiles. Para identificarlos, algunos expertos proponen la regla CREEP: Coste-efectivo, Reproducible, Eficiente, Eficaz y Práctico. Si un desarrollo no cumple estas condiciones, probablemente acabará olvidado.
En medio del entusiasmo por la automatización, muchos recuerdan que hay tareas que solo las personas pueden hacer bien: tomar decisiones éticas, interpretar emociones, generar empatía o adaptarse a contextos ambiguos. La IA puede asistir, pero no reemplazar, sobre todo en ámbitos donde lo humano es insustituible. Las reflexiones de expertos como Kate Crawford o Sherry Turkle han sido clave para entender por qué la dimensión humana sigue siendo central.
Una relación más realista
Roy Amara formuló una ley que sigue vigente: “tendemos a sobrestimar el efecto de una tecnología en el corto plazo y a subestimarlo en el largo plazo”. La inteligencia artificial no es una varita mágica, sino una herramienta poderosa que debe usarse con criterio. Si comprendemos sus límites y su potencial, evitaremos nuevas crisis y construiremos una colaboración más inteligente entre humanos y máquinas.
